文献

J-GLOBAL ID：201702248107802041   整理番号：17A0169606

低磁場核磁気共鳴技術に基づく新鮮牛乳の冷蔵日数の同定【JST・京大機械翻訳】

Identification of fresh milk cold storage days based on low field nuclear magnetic resonance technique

著者 (6件)： Liu Meihong (School of Agriculture,Ningxia University) ,  Chen Yabin (School of Agriculture,Ningxia University) ,  Wang Songlei (School of Agriculture,Ningxia University) ,  Wu Longguo (School of Agriculture,Ningxia University) ,  He Xiaoguang (School of Agriculture,Ningxia University) ,  He Jianguo (School of Agriculture,Ningxia University)
資料名： Shipin Gongye Keji  (Shipin Gongye Keji)
巻： 37  号： 14  ページ： 303-307  発行年： 2016年 
JST資料番号： C2152A  ISSN： 1002-0306  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文では,低磁場核磁気共鳴技術(簡単な),単純分類アルゴリズム(SIMCA),線形判別法(LDA),およびサポートベクトルマシン(SVM)を用いて,種々の冷蔵期間における新鮮な牛乳を同定した。また,SIMCA,LDAにおける異なる関数とSVMにおける異なるタイプのパラメータと異なるカーネル関数のモデリング効果を比較した。結果は以下を示す。LDAにおけるMAHALANOBIS関数によって確立されたモデルは,LINEAR,QUADRATIC関数のモデルよりも優れている。SVMにおけるC-SVMタイプのモデルはNU-SVMタイプのモデルよりも優れており,動径基底関数と線形関数のモデルはS型関数,多項式関数のモデルよりも優れている。SIMCAモデルの全体の認識精度は95.83%であり,LDAにおけるMAHALANOBIS関数によって確立したモデルの全体の認識精度は100%であり,SVMにおけるC-SVMタイプの動径基底関数によって確立したモデルの全体の認識精度は87.50%であった。これらの結果から,LDAにより構築したモデルは,新鮮な牛乳の冷蔵日数を予測するのに最適であることが示された。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 動径基底関数 ,  *冷蔵 ,  サポートベクトルマシン ,  *弱磁場 ,  *NMR【磁気共鳴】 ,  多項式 ,  モデリング ,  *牛乳 ,  線形性 ,  線形関数
準シソーラス用語： 認識精度 ,  Kernel関数 ,  SIMCA ,  分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： low field nuclear magnetic resonance technique ,  cold storage days ,  fresh milk ,  total recognition accuracy of model

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 低磁場 ,  核磁気共鳴 ,  牛乳 ,  冷蔵 ,  同定